摘要:
版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com 前言: 第二篇的文章中谈到,和部门老大一宁出去outing的时候,他给了我相当多的机器学习的建议,里面涉及到很多的算法的意义、学习方法等等。一宁上次给我提到,如果学习分类算法,最好从线性的入手,线性分类器最简单的就是LDA,它可以看做是简化版的SVM,如果想理解SVM这种分类器,那理解LDA就是很有必要的了。 谈到LDA,就不得不谈谈PCA,PCA是一个和LDA非常相关的算法,从 阅读全文
最新评论
- 1. Re:机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用
太牛了博主
- --lllbbbbh
- 2. Re:机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)
同求书,811180575@qq.com,谢谢啦
- --meng666
- 3. Re:TensorFlow 源代码初读感受
建模为图可不是TF的创意……至少我知道老早的Theano就是这么搞的了; TF被PyTorch超越,基本也说明这套架构是失败的
- --只读文件
- 4. Re:机器学习中的数学(4)-线性判别分析(LDA), 主成分分析(PCA)
非常感谢分享对于我这种追求数学理解的人来说,这类文章太有帮助了~~
- --姜子牙会更好
- 5. Re:也谈谈内卷化、996和程序员的发展
写得非常好,结合我以前的经历,很有感触。我自己也走了一些弯路。
- --程鑫